在 keras 中调用 to_categorical 时出现内存错误

Question

我尝试运行语言建模程序。当我在文档中使用包含 15000 个句子的数据序列时，程序运行正常。但是，当我尝试使用更大的数据（大 10 倍）更改数据时，遇到如下错误：Traceback (most recent call last):  File "<ipython-input-2-aa5ef9098286>", line 1, in <module>    runfile('C:/Users/cerdas/Documents/Bil/Lat/lstm-plato-lm/platolm.py', wdir='C:/Users/cerdas/Documents/Bil/Lat/lstm-plato-lm')  File "C:\Users\cerdas\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py", line 705, in runfile    execfile(filename, namespace)  File "C:\Users\cerdas\Anaconda3\lib\site-packages\spyder\utils\site\sitecustomize.py", line 102, in execfile    exec(compile(f.read(), filename, 'exec'), namespace)  File "C:/Users/cerdas/Documents/Bil/Lat/lstm-plato-lm/platolm.py", line 35, in <module>    y = to_categorical(y, num_classes=vocab_size)  File "C:\Users\cerdas\Anaconda3\lib\site-packages\keras\utils\np_utils.py", line 30, in to_categorical    categorical = np.zeros((n, num_classes), dtype=np.float32)MemoryError这是可疑的错误代码行：model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])还有 np.utilscategorical = np.zeros((n, num_classes), dtype=np.float64)我试图搜索类似问题的解决方案，我发现我必须更改categorical_crossentropy为sparse_categorical_crossentropy. 我已经这样做了，但同样的回溯仍然是错误的。谢谢

Answer 1

我认为这个错误是意料之中的。这里真正的问题是你没有足够的空间来分配 1) 决策层的参数矩阵，和/或 2) 中间张量。

参数矩阵的形状为input_feat_dim x output_num_classes。可以看到，这个矩阵在词汇量很大的时候会消耗大量的内存。为了训练网络，我们还需要为 BP 保留中间张量，它会更大—— batch_size x input_feat_dim x output_num_classes。

因此，您可以非常快速地尝试的一件事是将您的数量减少batch_size到 1/10。当然，您不能将批量大小设置得太小。在这种情况下，您可能希望累积梯度直到看到足够的样本。

Answer 2

如果你切换到稀疏分类交叉熵损失，那么你就不需要to_categorical调用了，这实际上是给出错误的那个。稀疏分类交叉熵应该适用于此。